成人无码视频,亚洲精品久久久久av无码,午夜精品久久久久久毛片,亚洲 中文字幕 日韩 无码

資訊專欄INFORMATION COLUMN

Python中單線程、多線程和多進(jìn)程的效率對(duì)比實(shí)驗(yàn)

niceforbear / 3472人閱讀

摘要：中單線程多線程與多進(jìn)程的效率對(duì)比實(shí)驗(yàn)多線程多進(jìn)程中多線程和多進(jìn)程的對(duì)比是運(yùn)行在解釋器中的語言，查找資料知道，中有一個(gè)全局鎖，在使用多進(jìn)程的情況下，不能發(fā)揮多核的優(yōu)勢(shì)。

title: Python中單線程、多線程與多進(jìn)程的效率對(duì)比實(shí)驗(yàn)
date: 2016-09-30 07:05:47
tags: [多線程,多進(jìn)程,Python]
categories: [Python]

meta: Python中多線程和多進(jìn)程的對(duì)比 
Python是運(yùn)行在解釋器中的語言，查找資料知道，python中有一個(gè)全局鎖（GIL），在使用多進(jìn)程(Thread)的情況下，不能發(fā)揮多核的優(yōu)勢(shì)。而使用多進(jìn)程(Multiprocess)，則可以發(fā)揮多核的優(yōu)勢(shì)真正地提高效率。
對(duì)比實(shí)驗(yàn)

資料顯示，如果多線程的進(jìn)程是CPU密集型的，那多線程并不能有多少效率上的提升，相反還可能會(huì)因?yàn)榫€程的頻繁切換，導(dǎo)致效率下降，推薦使用多進(jìn)程；如果是IO密集型，多線程進(jìn)程可以利用IO阻塞等待時(shí)的空閑時(shí)間執(zhí)行其他線程，提升效率。所以我們根據(jù)實(shí)驗(yàn)對(duì)比不同場(chǎng)景的效率

操作系統(tǒng) CPU 內(nèi)存 硬盤
Windows 10 雙核 8GB 機(jī)械硬盤

(1)引入所需要的模塊
import requests
import time
from threading import Thread
from multiprocessing import Process
(2)定義CPU密集的計(jì)算函數(shù)
def count(x, y):
    # 使程序完成50萬計(jì)算
    c = 0
    while c < 500000:
        c += 1
        x += x
        y += y
（3）定義IO密集的文件讀寫函數(shù)
def write():
    f = open("test.txt", "w")
    for x in range(5000000):
        f.write("testwrite
")
    f.close()

def read():
    f = open("test.txt", "r")
    lines = f.readlines()
    f.close()
(4) 定義網(wǎng)絡(luò)請(qǐng)求函數(shù)
_head = {
            "User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/48.0.2564.116 Safari/537.36"}
url = "http://www.tieba.com"
def http_request():
    try:
        webPage = requests.get(url, headers=_head)
        html = webPage.text
        return {"context": html}
    except Exception as e:
        return {"error": e}
(5)測(cè)試線性執(zhí)行IO密集操作、CPU密集操作所需時(shí)間、網(wǎng)絡(luò)請(qǐng)求密集型操作所需時(shí)間
# CPU密集操作
t = time.time()
for x in range(10):
    count(1, 1)
print("Line cpu", time.time() - t)

# IO密集操作
t = time.time()
for x in range(10):
    write()
    read()
print("Line IO", time.time() - t)

# 網(wǎng)絡(luò)請(qǐng)求密集型操作
t = time.time()
for x in range(10):
    http_request()
print("Line Http Request", time.time() - t)
輸出
CPU密集 95.6059999466 91.57099986076355 92.52800011634827 99.96799993515015
IO密集 24.25 21.76699995994568 21.769999980926514 22.060999870300293
網(wǎng)絡(luò)請(qǐng)求密集型 4.519999980926514 8.563999891281128 4.371000051498413 14.671000003814697
(6)測(cè)試多線程并發(fā)執(zhí)行CPU密集操作所需時(shí)間
counts = []
t = time.time()
for x in range(10):
    thread = Thread(target=count, args=(1,1))
    counts.append(thread)
    thread.start()

while True:
    e = len(counts)
    for th in counts:
        if not th.is_alive():
            e -= 1
    if e <= 0:
        break
print(time.time() - t)
output
99.9240000248
101.26400017738342
102.32200002670288
(7)測(cè)試多線程并發(fā)執(zhí)行IO密集操作所需時(shí)間
def io():
    write()
    read()

t = time.time()
ios = []
t = time.time()
for x in range(10):
    thread = Thread(target=count, args=(1,1))
    ios.append(thread)
    thread.start()


while True:
    e = len(ios)
    for th in ios:
        if not th.is_alive():
            e -= 1
    if e <= 0:
        break
print(time.time() - t)
Output
25.69700002670288
24.02400016784668
(8)測(cè)試多線程并發(fā)執(zhí)行網(wǎng)絡(luò)密集操作所需時(shí)間
t = time.time()
ios = []
t = time.time()
for x in range(10):
    thread = Thread(target=http_request)
    ios.append(thread)
    thread.start()

while True:
    e = len(ios)
    for th in ios:
        if not th.is_alive():
            e -= 1
    if e <= 0:
        break
print("Thread Http Request", time.time() - t)
Output
0.7419998645782471
0.3839998245239258
0.3900001049041748
(9)測(cè)試多進(jìn)程并發(fā)執(zhí)行CPU密集操作所需時(shí)間
counts = []
t = time.time()
for x in range(10):
    process = Process(target=count, args=(1,1))
    counts.append(process)
    process.start()

while True:
    e = len(counts)
    for th in counts:
        if not th.is_alive():
            e -= 1
    if e <= 0:
        break
print("Multiprocess cpu", time.time() - t)
Output
54.342000007629395
53.437999963760376
(10)測(cè)試多進(jìn)程并發(fā)執(zhí)行IO密集型操作
t = time.time()
ios = []
t = time.time()
for x in range(10):
    process = Process(target=io)
    ios.append(process)
    process.start()


while True:
    e = len(ios)
    for th in ios:
        if not th.is_alive():
            e -= 1
    if e <= 0:
        break
print("Multiprocess IO", time.time() - t)
Output
12.509000062942505
13.059000015258789
(11)測(cè)試多進(jìn)程并發(fā)執(zhí)行Http請(qǐng)求密集型操作
t = time.time()
httprs = []
t = time.time()
for x in range(10):
    process = Process(target=http_request)
    ios.append(process)
    process.start()

while True:
    e = len(httprs)
    for th in httprs:
        if not th.is_alive():
            e -= 1
    if e <= 0:
        break
print("Multiprocess Http Request", time.time() - t)

|Output|
|0.5329999923706055|
|0.4760000705718994|

實(shí)驗(yàn)結(jié)果
CPU密集型操作 IO密集型操作 網(wǎng)絡(luò)請(qǐng)求密集型操作
線性操作 94.91824996469 22.46199995279 7.3296000004
多線程操作 101.1700000762 24.8605000973 0.5053332647
多進(jìn)程操作 53.8899999857 12.7840000391 0.5045000315

通過上面的結(jié)果，我們可以看到：

多線程在IO密集型的操作下似乎也沒有很大的優(yōu)勢(shì)（也許IO操作的任務(wù)再繁重一些就能體現(xiàn)出優(yōu)勢(shì)），在CPU密集型的操作下明顯地比單線程線性執(zhí)行性能更差，但是對(duì)于網(wǎng)絡(luò)請(qǐng)求這種忙等阻塞線程的操作，多線程的優(yōu)勢(shì)便非常顯著了

多進(jìn)程無論是在CPU密集型還是IO密集型以及網(wǎng)絡(luò)請(qǐng)求密集型（經(jīng)常發(fā)生線程阻塞的操作）中，都能體現(xiàn)出性能的優(yōu)勢(shì)。不過在類似網(wǎng)絡(luò)請(qǐng)求密集型的操作上，與多線程相差無幾，但卻更占用CPU等資源，所以對(duì)于這種情況下，我們可以選擇多線程來執(zhí)行

此文為1年隨手寫的，多謝評(píng)論區(qū)指出謬誤，因數(shù)據(jù)是平均數(shù)，影響不大，故未做修改

文章版權(quán)歸作者所有，未經(jīng)允許請(qǐng)勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。

轉(zhuǎn)載請(qǐng)注明本文地址：http://m.hztianpu.com/yun/44266.html

相關(guān)文章

  • 通過網(wǎng)絡(luò)圖片小爬蟲對(duì)比Python中單線程與多線（進(jìn)）程的效率

    摘要：批評(píng)的人通常都會(huì)說的多線程編程太困難了，眾所周知的全局解釋器鎖，或稱使得多個(gè)線程的代碼無法同時(shí)運(yùn)行。多線程起步首先讓我們來創(chuàng)建一個(gè)名為的模塊。多進(jìn)程可能比多線程更易使用，但需要消耗更大的內(nèi)存。 批評(píng) Python 的人通常都會(huì)說 Python 的多線程編程太困難了，眾所周知的全局解釋器鎖（Global Interpreter Lock，或稱 GIL）使得多個(gè)線程的 Python 代碼無...

    W4n9Hu1 評(píng)論0 收藏0

  • 使用 Python 進(jìn)行并發(fā)編程系列 - 收藏集 - 掘金

    摘要：使用進(jìn)行并發(fā)編程篇三掘金這是使用進(jìn)行并發(fā)編程系列的最后一篇。所以我考慮啟用一個(gè)本地使用進(jìn)行并發(fā)編程篇二掘金我們今天繼續(xù)深入學(xué)習(xí)。 使用 Python 進(jìn)行并發(fā)編程 - asyncio 篇 (三) - 掘金 這是「使用Python進(jìn)行并發(fā)編程」系列的最后一篇。我特意地把它安排在了16年最后一天。 重新實(shí)驗(yàn)上篇的效率對(duì)比的實(shí)現(xiàn) 在第一篇我們?cè)?jīng)對(duì)比并發(fā)執(zhí)行的效率，但是請(qǐng)求的是httpb...

    MorePainMoreGain 評(píng)論0 收藏0

  • python大佬養(yǎng)成計(jì)劃----協(xié)程

    摘要：協(xié)程，又稱微線程，纖程。最大的優(yōu)勢(shì)就是協(xié)程極高的執(zhí)行效率。生產(chǎn)者產(chǎn)出第條數(shù)據(jù)返回更新值更新消費(fèi)者正在調(diào)用第條數(shù)據(jù)查看當(dāng)前進(jìn)行的線程函數(shù)中有，返回值為生成器庫實(shí)現(xiàn)協(xié)程通過提供了對(duì)協(xié)程的基本支持，但是不完全。 協(xié)程，又稱微線程，纖程。英文名Coroutine協(xié)程看上去也是子程序，但執(zhí)行過程中，在子程序內(nèi)部可中斷，然后轉(zhuǎn)而執(zhí)行別的子程序，在適當(dāng)?shù)臅r(shí)候再返回來接著執(zhí)行。 最大的優(yōu)勢(shì)就是協(xié)程極高...

    svtter 評(píng)論0 收藏0

  • python大佬養(yǎng)成計(jì)劃-----多進(jìn)程

    摘要：多進(jìn)程執(zhí)行任務(wù)結(jié)束，創(chuàng)建進(jìn)程和銷毀進(jìn)程是時(shí)間的，如果長(zhǎng)度不夠，會(huì)造成多線程快過多進(jìn)程多線程執(zhí)行任務(wù)結(jié)束，進(jìn)程間通信生產(chǎn)者消費(fèi)者模型與隊(duì)列演示了生產(chǎn)者和消費(fèi)者的場(chǎng)景。 進(jìn)程 Python是運(yùn)行在解釋器中的語言，查找資料知道，python中有一個(gè)全局鎖（GIL），在使用多進(jìn)程(Thread)的情況下，不能發(fā)揮多核的優(yōu)勢(shì)。而使用多進(jìn)程(Multiprocess)，則可以發(fā)揮多核的優(yōu)勢(shì)真正地提...

    zhangfaliang 評(píng)論0 收藏0

  • 關(guān)于Python爬蟲種類、法律、輪子的一二三

    摘要：一般用進(jìn)程池維護(hù)，的設(shè)為數(shù)量。多線程爬蟲多線程版本可以在單進(jìn)程下進(jìn)行異步采集，但線程間的切換開銷也會(huì)隨著線程數(shù)的增大而增大。異步協(xié)程爬蟲引入了異步協(xié)程語法。 Welcome to the D-age 對(duì)于網(wǎng)絡(luò)上的公開數(shù)據(jù)，理論上只要由服務(wù)端發(fā)送到前端都可以由爬蟲獲取到。但是Data-age時(shí)代的到來，數(shù)據(jù)是新的黃金，毫不夸張的說，數(shù)據(jù)是未來的一切?；诮y(tǒng)計(jì)學(xué)數(shù)學(xué)模型的各種人工智能的出現(xiàn)...

    lscho 評(píng)論0 收藏0

發(fā)表評(píng)論

0條評(píng)論

閱讀需要支付1元查看
<